II.2Создание и понимание программного кода

CAT-Thinking — диалоговая языковая модель CyberAgent на архитектуре Qwen3 с 7,6 млрд параметров. Она дообучена методом обучения с подкреплением для генерации цепочек рассуждений на японском языке. Модель рассчитана на решение задач по математике и программированию, в том числе когда запрос написан по-английски; ответы и ход рассуждений формируются на японском. Модель построена на базе Qwen3-Swallow-v0.2, которая продолжает предобучение Qwen3 для японского языка. Метаданные указывают связь с Qwen/Qwen3-8B и TokyoTech-LLM/Qwen3-Swallow-8B-CPT-v0.2 через слияние моделей. Используются веса Safetensors; нативный контекст — 40 960 токенов. В карточке приведены оценки на наборах задач по математике и программированию на японском и английском, но результаты следует считать ориентировочными. Ход рассуждений на японском может звучать неестественно: модель иногда начинает с повторяющихся шаблонных фраз и может зацикливаться, особенно при противоречивых или запутанных инструкциях. В README рекомендовано задавать не менее 4096 токенов для генерации и использовать repetition_penalty от 1,05. Модель распространяется по лицензии Apache-2.0.

Карточка модели Smilesjs/chemsmart-qwen2.5-coder-3b-instruct-v7-lr4 на Hugging Face совпадает с карточкой Smilesjs/chemsmart-qwen2.5-coder-3b-instruct-v7, поэтому описание составлено по ней. Smilesjs/chemsmart-qwen2.5-coder-3b-instruct-v7 — дообученная Smilesjs модель семейства Qwen2 для генерации текста. Она основана на unsloth/Qwen2.5-Coder-3B-Instruct-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL. Модель содержит 3,1 млрд параметров, имеет контекст до 32 768 токенов и рассчитана на текстовые диалоги; в метаданных указана поддержка английского языка. Модель можно применять для генерации ответов и кода в интерактивных сценариях. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает специальную химическую настройку, качество на задачах или результаты оценки, поэтому название репозитория само по себе не подтверждает пригодность для химических сценариев.

Chichu 1.5 Flash — компактная языковая модель Sebastianpro88, дообученная методом LoRA на базе HuggingFaceTB/SmolLM2-135M-Instruct. Модель построена на плотной архитектуре семейства Llama, содержит около 134,5 млн параметров и использует контекст до 8192 токенов. Модель предназначена для диалогов и генерации текста, выполнения инструкций, написания кода, математических задач и рассуждений. Для обучения использованы трассы дистилляции от нескольких моделей-учителей по темам математики, кода, рассуждений, инструкций и работы с инструментами. В README указана поддержка английского языка, а генерация кода показана для Python и JavaScript. Веса опубликованы в формате safetensors. Лицензия обозначена как other; конкретные условия использования в предоставленных данных не раскрыты. Компактный размер ориентирован на быстрый запуск, но сам по себе не гарантирует точность: качество ответов и сложных рассуждений следует проверять на целевых задачах.

Это исследовательский чекпойнт Qwen3-4B, созданный командой agurung методом обучения с подкреплением OpenRLHF GRPO на базе Qwen/Qwen3-4B-Instruct-2507. Обучение проводилось непосредственно от базовой модели, без отдельного этапа SFT; в карточке указано, что сохранён шаг 8 и это лучший на данный момент чекпойнт запуска по pass@8. Модель предназначена для генерации кода и решения задач программирования. Её обучали на задачах, которые исходная модель решала редко, с бинарной наградой за прохождение тестов программы и штрафами за усечение длинных ответов. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 3,7 млрд параметров и контекст до 262 144 токенов. Карточка не приводит итоговые метрики этого чекпойнта, поэтому преимущество по pass@8 отражает сравнение внутри данного запуска, а не подтверждённое общее качество. Доступные сведения не называют лицензию модели.

Code-Daemon Reranker v1 — мультиязычная cross-encoder-модель для переранжирования результатов поиска кода по запросу на естественном языке. Разработчик — автор репозитория faxenoff; модель основана на hotchpotch/mMiniLMv2-L12-H384 и дообучена для работы с кандидатами, которые возвращает собственный гибридный поисковый механизм Code-Daemon. Она принимает пару «запрос — кандидат» и выдаёт логит релевантности, по которому можно пересортировать результаты. Модель использует архитектуру XLM-RoBERTa с 12 слоями и размерностью скрытого состояния 384; метаданные указывают 124,3 млн параметров. Она рассчитана на мультиязычный поиск и принимает до 514 токенов по нативному контексту, хотя README описывает рабочий режим до 256 токенов на пару: запрос сохраняется целиком, а конец документа может обрезаться. Доступны веса Safetensors и сборки ONNX и Core ML. По приведённой офлайн-оценке на десяти не встречавшихся при обучении репозиториях модель улучшает MRR@10 и nDCG@10 относительно исходного ретривера, главным образом переставляя результаты в середине списка; первый результат меняется мало. Лучше всего она подходит для кандидатов с формой документов, похожей на данные Code-Daemon; обычные пары «запрос — фрагмент кода» также допустимы, но не были целевым форматом обучения. Результат — относительный логит для сравнения кандидатов внутри одного запроса, а не универсальный порог релевантности. Лицензия — MIT.

CodePin-SFT-Qwen3.5-0.8B — разработанная LeeXugar модель для поиска файлов, классов и функций в крупных репозиториях кода. Это полноразмерное дообучение Qwen/Qwen3.5-0.8B методом supervised fine-tuning на траекториях работы с инструментами: поиска по репозиторию, чтения файлов и обобщения свидетельств. Модель принимает и генерирует текст, включая последовательности вызова инструментов; она предназначена для англоязычных задач программной инженерии. Модель содержит около 581,4 млн параметров по метаданным, использует архитектуру Qwen3.5 для причинной генерации текста и формат Safetensors. Указанная длина контекста — 262 144 токена. Обучение проведено на 5 676 траекториях; автор сообщает о проверке загрузки и генерации, но независимых результатов на бенчмарках локализации кода пока нет. Лицензия — Apache-2.0. Модель специализирована на локализации кода и не является универсальным помощником по программированию или системой автономного изменения кода. Обучающие данные созданы учительской моделью, поэтому возможны унаследованные ошибки и предпочтения поиска; заявленный целевой распределённый набор преимущественно англоязычный, а правильность и исполнимость ответов не гарантируются.

ayeshgk/codet5-small-ft-v8-cpatd — дообученная версия Salesforce/codet5-small на неизвестном наборе данных. Модель семейства T5 с архитектурой T5ForConditionalGeneration содержит 38,5 млн параметров и принимает текст, генерируя текст; максимальная длина контекста — 512 токенов. Модель предназначена для задач преобразования текста в текст, связанных с кодом, однако README не уточняет конкретный сценарий её дообучения. На оценочном наборе указаны loss 0,4831 и значения ROUGE-1 63,65, ROUGE-2 52,79 и ROUGE-L 63,20; без описания набора и методики оценки эти результаты трудно интерпретировать. Распространяется в формате safetensors по лицензии Apache-2.0.

DeepHat-V1-7B — модель DeepHat для задач кибербезопасности, созданная на базе Qwen2.5-Coder-7B. Это дообученная причинно-следственная языковая модель с архитектурой Qwen2 для генерации текста и кода. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов; в README заявлена возможность расширения контекста до 131 072 токенов с помощью YaRN. Модель предназначена для сценариев наступательной и защитной кибербезопасности, а также может использовать возможности базовой модели для работы с кодом. Карточка не уточняет конкретные тесты, границы компетенций или качество на отдельных задачах. Модель распространяется под лицензией Apache-2.0; README также возлагает на пользователя ответственность за результаты применения и предоставляет модель «как есть».

Карточка модели faceNony/DeepHat-V1-7B на Hugging Face совпадает с карточкой DeepHat/DeepHat-V1-7B, поэтому описание составлено по ней. DeepHat-V1-7B — модель DeepHat для задач кибербезопасности, созданная на базе Qwen2.5-Coder-7B. Это дообученная причинно-следственная языковая модель с архитектурой Qwen2 для генерации текста и кода. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов; в README заявлена возможность расширения контекста до 131 072 токенов с помощью YaRN. Модель предназначена для сценариев наступательной и защитной кибербезопасности, а также может использовать возможности базовой модели для работы с кодом. Карточка не уточняет конкретные тесты, границы компетенций или качество на отдельных задачах. Модель распространяется под лицензией Apache-2.0; README также возлагает на пользователя ответственность за результаты применения и предоставляет модель «как есть».

Карточка модели mercury063/DeepHat-V1-7B на Hugging Face совпадает с карточкой DeepHat/DeepHat-V1-7B, поэтому описание составлено по ней. DeepHat-V1-7B — модель DeepHat для задач кибербезопасности, созданная на базе Qwen2.5-Coder-7B. Это дообученная причинно-следственная языковая модель с архитектурой Qwen2 для генерации текста и кода. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов; в README заявлена возможность расширения контекста до 131 072 токенов с помощью YaRN. Модель предназначена для сценариев наступательной и защитной кибербезопасности, а также может использовать возможности базовой модели для работы с кодом. Карточка не уточняет конкретные тесты, границы компетенций или качество на отдельных задачах. Модель распространяется под лицензией Apache-2.0; README также возлагает на пользователя ответственность за результаты применения и предоставляет модель «как есть».

DeepSeek-V4.1-Flash-UNCENSORED-DwarfStar-Q2 — независимая общественная конверсия модели DeepSeek-V4.1-Flash, разработанной DeepSeek AI, и производного abliterated-чекпойнта dealignAI. Конверсию, упаковку и локальное тестирование выполнил pyrodog; обучение, дообучение, слияние моделей и дополнительная abliteration не проводились. Модель предназначена для генерации текста и программного кода, а также для сценариев с вызовом инструментов, что было проверено через OpenCode. Это текстовая модель с вводом и выводом в виде текста, представленная в специальном формате Q2 GGUF для inference engine DwarfStar. Файл занимает около 340,6 GiB; используются различные схемы квантования, включая IQ2_XXS, Q2_K, Q8_0, F16 и F32. Визионные веса и веса для speculative decoding DSpark удалены, поэтому данная сборка не поддерживает соответствующие возможности исходного чекпойнта. Языки, точный размер архитектуры и полный перечень параметров в карточке не указаны. В примерах запуска задан контекст до 262 144 токенов. Главные особенности — существенно меньший размер по сравнению с исходным чекпойнтом, возможность работы на Apple Silicon с SSD-streaming и поддержка инструментов через DwarfStar. Ограничения включают нестандартную раскладку тензоров: файл не предназначен для llama.cpp, Ollama, LM Studio и других обычных GGUF-рантаймов. Для работы требуются DwarfStar с поддержкой DeepSeek V4.1, быстрый локальный SSD и значительный объём дискового пространства; на тестовой системе Apple M5 Max с 128 GB unified memory основные веса превышали доступную оперативную память и загружались потоково. Качество не гарантируется эквивалентным опубликованной activation-calibrated Q2-сборке. Распространение указано под лицензией MIT.

DeepSeek-V4-Flash-0731-OptiQ-2bit — это 2-битная mixed-precision-квантизация базовой модели DeepSeek-V4-Flash-0731, подготовленная сообществом mlx-community с помощью MLX-native toolkit mlx-optiq. Модель предназначена для локального запуска и генерации текста на компьютерах Apple Silicon без PyTorch и облачных сервисов, включая задачи следования длинным спецификациям, рассуждений по текстовым правилам и генерации программного кода. Модель использует разреженную архитектуру Mixture-of-Experts с 304 млрд параметров, 43 слоями и 256 маршрутизируемыми экспертами, из которых для каждого токена активны 6. Контекстное окно составляет 1 048 576 токенов. Маршрутизируемые эксперты квантизированы до 2 бит, attention — до 6 бит, shared expert, embeddings и LM head — до 8 бит, MTP head — до 3 бит; итоговое значение составляет 2,43 bits per weight. Размер на диске — около 92,5 ГБ, а при работе маршрутизируемые эксперты потоково считываются с SSD, поэтому в памяти находится примерно 6,5 ГБ. На Mac с M3 Max заявлена скорость около 2,5 токена в секунду. Сильная сторона модели — возможность запустить чрезвычайно крупную MoE-модель на потребительском Apple Silicon с объёмом оперативной памяти от 16 ГБ. Она демонстрировала способность следовать длинной спецификации и создавать работоспособный одностраничный HTML-код. Ограничения связаны с экстремальной 2-битной квантизацией: она приводит к потере точности, а скорость зависит от производительности SSD. Показатели по стандартному набору бенчмарков для этой версии не опубликованы, поэтому для задач, где критична точность, рекомендуется использовать веса bf16 или более высокобитную квантизацию. Модель распространяется по лицензии MIT.

DeepSeek-V4-Flash-Fast — пользовательская сборка агента rafw007 на основе DeepSeek-V4-Flash, опубликованная в формате GGUF с низкой битностью квантования. Архитектура унаследована от базовой модели; заявлены MoE и около 285 млрд параметров всего, из которых активно около 20 млрд. Поведение агента настроено промптами и конфигурацией, без обучения с нуля. Модель предназначена для агентных сценариев с внешним инструментальным контуром: она получает результаты реального выполнения команд и помогает решать задачи администрирования, анализа системы и программирования. Автор сообщает о проверках с opencode, pi coding agent и claude code, включая сетевое сканирование, инвентаризацию Linux-сервера и создание простых HTML5-приложений. Для запуска указаны llama-server и llama-swap; целевой сценарий — локальная работа на менее мощном оборудовании, для которой автор оценивает потребность примерно в 96 ГБ объединённой памяти. Репозиторий распространяется по лицензии Apache-2.0. В карточке указаны английский и польский языки, но широкая языковая поддержка отдельно не описана. Низкая битность может ограничивать точность ответов и надёжность сложных агентных задач; результаты зависят также от используемого harness и конфигурации инструментов.

DeepSeek-V4-Flash-MXFP4-GGUF — конверсия официальных весов DeepSeek-V4-Flash в формат GGUF, подготовленная для локального запуска и тестирования. Модель построена на архитектуре Mixture-of-Experts и поддерживает диалоговую генерацию текста; файлы сохраняют маршрутизируемые экспертные веса в MXFP4, а плотные веса и тензоры — в исходных типах FP8, BF16 и F32 либо в варианте совместимости с F16 и Q8_0. Репозиторий содержит два файла размером около 156 и 158 ГБ. Для запуска требуются runtime с поддержкой архитектуры DeepSeek V4 и соответствующих типов тензоров; README указывает на V4-совместимую ветку llama.cpp. Вариант Q8Compat проверен короткими тестами на фактический ответ, JSON, структуру вызова инструмента и генерацию кода. Файлы конверсии помечены как находящиеся в разработке и проходят валидацию, поэтому совместимость и корректность ещё ограничены. Лицензия — MIT.

Это объединённый чекпойнт эксперимента Delta-P2S, созданный пакетом для переноса параметров между моделями с учётом их семейств. В карточке указан переход от CodeGemma 2B к Gemma 7B; архитектура репозитория — плотная авторегрессионная GemmaForCausalLM, размер составляет 8,2 млрд параметров, контекст — 8192 токена. Модель предназначена для генерации текста, включая код, однако карточка не описывает отдельные сценарии или результаты оценки качества. Модель распространяется в формате safetensors и использует библиотеку Transformers. Сведения о лицензии в доступных данных отсутствуют.

Delta-P2S — слитый чекпойнт на архитектуре Qwen2.5, созданный с помощью экспериментального пакета Delta-P2S с учётом архитектуры Qwen. Модель содержит 14 млрд параметров, использует библиотеку Transformers и веса в формате safetensors; заявленное контекстное окно составляет 131 072 токена. Название и обучающие пути указывают на кодовую направленность эксперимента с Qwen, однако README не уточняет обучающие данные, языки программирования или конкретные сценарии. Модель поддерживает текстовую генерацию и чат. Она может применяться для генерации кода и диалоговых ответов, но качество для этих задач не описано. Лицензия в предоставленных данных не указана.

Это асимметрично квантованная до низкой точности версия diffusiongemma-26B-A4B-it — языковой модели Gemma 4 с архитектурой MoE и диффузионной генерацией. Версию GGUF подготовил hyperspaceai на основе unsloth/diffusiongemma-26B-A4B-it-GGUF. В модели 26 млрд параметров, около 4 млрд активных; используется 128 экспертов, из которых для каждого токена активируются 8, и 30 слоёв. Файл весит 10,98 ГБ. Модель предназначена для диалоговой генерации текста: ответы на вопросы, объяснения, списки, творческий текст и код. В отличие от обычных авторегрессионных языковых моделей, она создаёт текст итеративным параллельным уточнением токенов в контексте длиной 256 токенов. Квантование распределено асимметрично: экспертные слои в основном сжаты до 2 бит с использованием матрицы важности, а чувствительные проекции сохранены в более высокой точности. Автор сообщает о проверке генерации на CUDA и приводит примеры связных ответов, но это не независимая оценка качества. Для запуска нужен совместимый с архитектурой diffusion-gemma GGUF-рантайм; стандартная авторегрессионная генерация через llama-cli и оценка perplexity для этой модели не подходят. Лицензия — Gemma; использование должно соответствовать её условиям.

DNA-R1 — языковая модель для рассуждений на корейском языке, разработанная компанией Dnotitia на основе Microsoft Phi-4. Модель содержит 14,1 млрд параметров, использует плотную архитектуру Phi3ForCausalLM и принимает текст для генерации текста; заявленная длина контекста — 16 384 токена. Модель дообучена в несколько этапов: на корейских текстовых данных, примерах рассуждений на корейском и английском языках, а затем с помощью обучения с подкреплением GRPO. Она предназначена для диалогов, многошагового решения математических задач, рассуждений, программирования и самопроверки; основной упор сделан на корейский язык, также поддерживается английский. Модель распространяется по лицензии CC BY-NC 4.0. README сообщает, что коммерческое использование возможно после согласования с разработчиком; перед таким использованием следует уточнить условия у Dnotitia.

dParallel-LLaDA-8B-instruct — чат-модель на архитектуре LLaDA, разработанная Zigeng Chen и соавторами из xML Lab Национального университета Сингапура. Это вариант LLaDA-8B-Instruct, обученный методом дистилляции certainty-forcing для ускорения параллельного декодирования диффузионных языковых моделей: модель быстрее достигает уверенности в маскированных токенах, сохраняя качество исходной модели. Модель предназначена для генерации текста в диалоге и выполнения задач, решаемых базовой инструктивной моделью. В экспериментах число шагов декодирования сокращалось с 256 до 30 на GSM8K и до 24 на MBPP, что соответствовало ускорению в 8,5 и 10,5 раза без снижения качества на этих тестах. Такие результаты относятся к указанным бенчмаркам и не гарантируют аналогичного ускорения в других сценариях. Репозиторий содержит веса в формате safetensors; для использования указана библиотека Transformers. Лицензия — MIT.

FIM-NeoX-1.3B — экспериментальная авторегрессионная языковая модель CarperAI с обучением заполнению пропусков в тексте и коде (fill-in-the-middle, FIM). Она основана на GPT-NeoX, содержит около 1,7 млрд параметров по метаданным (в README приведено 1,33 млрд) и использует 24 слоя трансформера, RoPE и токенизатор GPT-NeoX-20B. Модель принимает текстовый контекст длиной до 1024 токенов и генерирует продолжение. Модель предназначена для генерации и дополнения кода, в том числе вставки фрагмента в заданную позицию, а также для исследовательской работы с языковыми моделями для программирования и парного программирования. Обучалась на The Pile и предсказывает следующий токен; специальная FIM-разметка поддерживает генерацию между префиксом и суффиксом. Основной язык — английский. В README модель обозначена как предварительный экспериментальный артефакт. Обучающие данные могут приводить к токсичным или оскорбительным ответам, а сгенерированный код может содержать ошибки безопасности и качества, поэтому его следует проверять. Лицензия — Apache-2.0.

meetkai/functionary-v4r-small-preview — языковая модель MeetKai для диалогов с вызовом функций и плагинов. Она основана на Meta-Llama-3.1-8B-Instruct и имеет плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров. Модель принимает описания функций в формате JSON Schema и умеет выбирать, когда вызвать инструмент, выполнять вызовы последовательно или параллельно, учитывать их результаты и формировать ответ на их основе. Также поддерживает обычные ответы в чате и сценарии с интерпретатором кода. Модель рассчитана на интеграцию в приложения и серверы, поддерживающие совместимый с OpenAI интерфейс; для подготовки запросов предусмотрен шаблон чата Functionary. В метаданных указан контекст до 131 072 токенов и формат весов safetensors. Лицензия — MIT. Карточка описывает предварительную версию и заявляет поддержку вызова инструментов, но не приводит результатов независимых оценок качества.

GDSD Sudoku LLaDA — веса разговорной языковой модели семейства LLaDA, опубликованные вместе с работой о методе Guided Denoiser Self-Distillation для диффузионных языковых моделей. Модель предназначена для генерации текста в диалоговом формате; подход GDSD обучает денойзер методом само-дистилляции с подкреплением, чтобы улучшить решение задач планирования, математики и программирования. Репозиторий содержит веса в формате safetensors и предназначен для работы с Transformers. В карточке нет сведений о размере модели, поддерживаемых естественных языках и лицензии, поэтому эти характеристики не приводятся. Результаты, описанные для метода, относятся к бенчмаркам и сами по себе не гарантируют качество на других задачах.

GEITje-ultra-sft — разговорная языковая модель, разработанная Bram Vanroy и дообученная методом supervised fine-tuning на базе Rijgersberg/GEITje-7B. Базовая модель основана на Mistral 7B и дополнительно обучалась на нидерландских данных; вариант ultra-sft содержит около 7,1 млрд параметров и предназначен для генерации текста в диалоге. Модель подходит для ответов на вопросы и ведения многоходового общения на нидерландском языке, а также для генерации кода и ответов на технические вопросы. Обучение охватывало около 240 млн токенов синтетических диалоговых данных, включая переведённые наборы Alpaca, Dolly и Stack Overflow, а также диалоги, созданные с помощью GPT-4 Turbo. В README указан контекст обучения 8192 токена; метаданные репозитория указывают нативный контекст 32768 токенов. Модель не проходила выравнивание с помощью DPO или других методов предпочтений; автор рекомендует использовать DPO-вариант. Ответы могут быть ошибочными, вводящими в заблуждение или оскорбительными. Лицензия CC-BY-NC-4.0 и происхождение обучающих данных исключают коммерческое использование согласно карточке модели.

Карточка модели Janstnkel/Godoter-27B на Hugging Face совпадает с карточкой Ruler97/Godoter-27B, поэтому описание составлено по ней. Godoter — дообученная 27-миллиардная языковая модель на базе unsloth/Qwen3.6-27B, созданная независимым автором для генерации кода на GDScript и разработки игр в Godot 4. Это неофициальный любительский проект, не связанный с Godot Foundation или командой Godot Engine. Модель помогает писать идиоматичный GDScript, разбираться в API Godot 4 и создавать игровые системы, в том числе многомодульные: инвентари, ИИ на конечных автоматах, сохранения, диалоги, сетевые функции, шейдеры и боевые механики. Обучение выполнено методом QLoRA на примерах, основанных на официальной документации Godot 4; адаптер слит с базовыми весами. Архитектура — Qwen3.6, формат файлов — safetensors, загрузка рассчитана на Transformers 5.x. Модель принимает текстовые запросы и генерирует текст с кодом. Поддерживаемый карточкой язык — английский. Лицензия репозитория — Apache-2.0; проект описан как некоммерческий. Автор приводит сравнительный тест на корректность использования API Godot 4: 100% на простых и 96% на сложных заданиях против 80% и 68% у базовой модели. Эти результаты относятся к собственному набору тестов и не измеряют общее качество архитектуры сгенерированного кода.

Gorilla OpenFunctions v1 — языковая модель семейства Llama, разработанная проектом Gorilla при UC Berkeley. Она преобразует инструкции на естественном языке и контекст доступных API в структурированные вызовы функций: выбирает подходящую функцию и формирует аргументы в JSON. Версия v1 поддерживает выбор между несколькими функциями и параллельные вызовы. Модель содержит 6,6 млрд параметров, принимает и генерирует текст, имеет контекст длиной 4096 токенов и представлена в формате PyTorch. Она предназначена для интеграции с API и помощниками, которым нужно выполнять действия через вызовы функций. В карточке не описаны поддерживаемые языки и специальные ограничения качества. Модель и данные для её обучения выпущены под лицензией Apache 2.0.

CISCai/gorilla-openfunctions-v2-SOTA-GGUF — это набор квантованных моделей в формате GGUF на основе Gorilla OpenFunctions v2, разработанной Gorilla LLM (UC Berkeley) и преобразованной и квантованной автором CISC. Модель ориентирована на генерацию текста и выполнение задач, связанных с компьютерными науками, прежде всего на структурированный вызов функций и инструментов по заданным описаниям и параметрам. В карточке указано, что модель относится к типу DeepSeek и поддерживает английский язык. Представлены варианты квантования от IQ1_S до более качественных 2-, 3- и 4-битных форматов; размер файлов составляет примерно 1,5–2,8 ГБ для перечисленных вариантов, а требуемый объём оперативной памяти — около 3,5–4,7 ГБ. Квантование выполнено с использованием importance matrix, обученной примерно на 1 млн токенов, что призвано сохранить качество при уменьшении размера модели. Сильные стороны модели — компактность, возможность локального запуска через llama.cpp и совместимость с рядом сторонних интерфейсов и библиотек на его основе. Ограничения зависят от выбранного уровня квантования: самые компактные варианты могут значительно терять в качестве. Для корректной токенизации и наилучших результатов рекомендуется использовать свежую сборку llama.cpp. Контекстное окно, точный размер исходной модели и мультимодальные возможности в README не указаны. Лицензия — Apache 2.0.

GPT-Neo-125M-Code-Clippy — модель автодополнения кода, созданная сообществом flax-community на основе GPT-Neo-125M. Её дообучили методом причинного языкового моделирования на версии набора Code Clippy Data, собранной из публичных репозиториев GitHub. Веса доступны в форматах Flax и PyTorch; модель содержит 137,7 млн параметров и рассчитана на контекст до 2048 токенов. Модель предназначена для продолжения фрагментов кода и автодополнения методов в нескольких языках программирования. Для лучшей работы с отступами в токенизатор добавлены специальные токены пробелов и табуляции. В обучающих данных чаще представлены JavaScript и Python, поэтому качество для других языков может быть ниже. Генерируемый код может содержать ошибки, уязвимости или нежелательные фрагменты; код не фильтровался по лицензиям. Автор позиционирует модель для исследований и не гарантирует качество. Лицензия в предоставленных данных не указана.

Gravity-30B-A5B-Base — базовая предобученная разреженная языковая модель Trillion Labs и Lunit Consortium. Она предназначена для генерации продолжений текста и как основа для последующего дообучения; модель не проходила настройку для следования инструкциям или выравнивание безопасности. Модель использует архитектуру GravityMoE, совместимую с DeepSeek-V3: 29,56 млрд параметров всего, из которых 5,34 млрд активны на токен, 52 слоя и механизм Multi-head Latent Attention. Контекстное окно — 131 072 токена. Обучающие данные включают STEM-темы, код, математику, медицинскую литературу, корейские и англоязычные тексты; карточка указывает английский и корейский языки. Модель доступна в формате safetensors для Transformers. Модель может служить основой для приложений генерации текста, продолжения кода и специализированного дообучения, особенно для длинных документов и материалов на английском и корейском языках. Без настройки на инструкции она не является готовым чат-ассистентом и может выдавать фактически неверный, предвзятый или вредный контент; качество может быть ниже для языков, недостаточно представленных в обучении. Лицензия — Apache-2.0.

Grug 35B A3B — экспериментальная компактная донастройка модели Qwen/Qwen3.6-35B-A3B, созданная автором репозитория. Это текстовая MoE-модель для генерации ответов и диалогов, настроенная выдавать короткие, насыщенные рассуждения с сохранением ограничений, вычислений, проверок и важных граничных случаев. По карточке, в архитектуре 35 млрд параметров, из которых примерно 3 млрд активируются на токен; используются 40 текстовых слоёв, 256 экспертов и до 8 маршрутизируемых экспертов вместе с общим экспертным путём. Нативная длина контекста — 262 144 токена. Модель обучена с помощью QLoRA/PEFT LoRA и опубликована со слитыми весами в формате Transformers/safetensors; отдельный адаптер для загрузки не требуется. В обучении использованы наборы для общего рассуждения, математики и программирования. По README, обучение было небольшим, а проверка ограничивалась локальными smoke-тестами, поэтому качество не подтверждено широкими бенчмарками. Модель может чрезмерно сокращать объяснения в задачах, где нужны длинные выводы, и наследует ограничения базовой модели. Лицензия репозитория — Apache-2.0.

Grug 67B A2B Datakit SFT 262K — чекпойнт Grug MoE, дообученный методом supervised fine-tuning на смеси данных для агентных сценариев и рассуждений. Разработчик — open-athena. Архитектура GrugMoeForCausalLM использует 256 маршрутизируемых экспертов с выбором top-4 и общий эксперт; всего около 67 млрд параметров, примерно 2 млрд активных параметров на токен. Модель принимает текст и генерирует текст, поддерживает чат и интерфейс вызова инструментов. В конфигурации задан контекст до 262 144 токенов, но работа на длинном контексте не проверена. Обучающие источники включают OpenThoughts code, SWE-ZERO, Penfever traces, NuminaMath и данные GLM для следования формату и сжатия контекста. Модель может быть полезна для агентных задач, рассуждений, работы с кодом и математикой, однако качество генерации, безопасность и численная эквивалентность исходному чекпойнту не оценены. Для запуска требуется среда с поддержкой Grug MoE; эта версия ещё не проверена в ранее использованной сборке vLLM, а загрузка через стандартный Transformers не подтверждена. Лицензия — OpenMDW-1.1.